本文關(guān)鍵詞：圖像檢索在焊工車(chē)間安全生產(chǎn)應(yīng)用中的研究

  更多相關(guān)文章： YCbCr顏色空間 光照補(bǔ)償 支持向量機(jī) 小波同態(tài)濾波器

【摘要】：基于內(nèi)容的圖像檢索技術(shù)是通過(guò)提取圖像的底層特征來(lái)達(dá)到表達(dá)圖像整體內(nèi)容的目的,從而識(shí)別并檢索相應(yīng)的圖像,隨著計(jì)算機(jī)技術(shù)、模式識(shí)別等多門(mén)學(xué)科的發(fā)展,圖像檢索技術(shù)取得了卓越的成果,應(yīng)用到各種不同的重要領(lǐng)域,比如醫(yī)療診斷、公安系統(tǒng)等等,發(fā)展前景非常廣闊。 安全帽在工業(yè)生產(chǎn)中的應(yīng)用非常地廣泛,為了防止事故的發(fā)生,確保生產(chǎn)的安全,建立對(duì)安全帽的自動(dòng)檢測(cè)及報(bào)警系統(tǒng)變得越來(lái)越迫切,目前對(duì)安全帽自動(dòng)識(shí)別的研究還比較少。本文主要針對(duì)安全帽的識(shí)別算法進(jìn)行研究,主要分為三部分,即圖像的預(yù)處理、特征提取的研究、識(shí)別模型的選擇。本文工作主要研究如下： (1)圖像的預(yù)處理部分,本文提出基于YCbCr的小波同態(tài)濾波光照補(bǔ)償,結(jié)合YCbCr色彩空間的特點(diǎn),能夠?qū)⒘炼群虲b、Cr兩個(gè)分量分開(kāi),針對(duì)亮度進(jìn)行小波的同態(tài)濾波算法,并將此方法與其他幾種方法相比較；在此基礎(chǔ)上提出基于YCbCr空間的人臉檢測(cè)算法,最終確定安全帽的圖像區(qū)域,并且仿真給出實(shí)驗(yàn)結(jié)果。 (2)特征選擇部分,本文結(jié)合安全帽的特征,就其形狀特征提出Hu不變矩和梯度方向直方圖兩個(gè)特征,并且仿真統(tǒng)計(jì)出特征向量,將這兩個(gè)特征融合一起作為圖像的特征’向量,用于安全帽的訓(xùn)練和識(shí)別。 (3)識(shí)別模型的選擇,本文深入研究最近比較流行的兩種識(shí)別模型神經(jīng)網(wǎng)絡(luò)和支持向量機(jī),針對(duì)支持向量機(jī)參數(shù)的選擇采用改進(jìn)的網(wǎng)格搜索的方法優(yōu)化,最后就這兩種模型的識(shí)別率進(jìn)行比較,最終確定選擇使用支持向量機(jī)。 本文確定將Hu矩特征和HOG特征相融合的特征向量作為圖像的特征向量,用于支持向量機(jī)的訓(xùn)練和識(shí)別,用于識(shí)別工人在進(jìn)出門(mén)口時(shí)是否戴有安全帽,最終實(shí)驗(yàn)結(jié)果表明此方法的有效性,識(shí)別率高,對(duì)監(jiān)控系統(tǒng)實(shí)現(xiàn)智能化將會(huì)提供有力的支持和實(shí)際的指導(dǎo)意義。
【關(guān)鍵詞】：YCbCr顏色空間 光照補(bǔ)償 支持向量機(jī) 小波同態(tài)濾波器
【學(xué)位授予單位】：華東理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類(lèi)號(hào)】：TG408;TP391.41
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 第1章 緒論10-18
• 1.1 研究背景和意義10-11
• 1.2 圖像檢索技術(shù)的研究現(xiàn)狀11-12
• 1.2.1 國(guó)外研究現(xiàn)狀11-12
• 1.2.2 國(guó)內(nèi)研究現(xiàn)狀12
• 1.3 圖像檢索技術(shù)12-15
• 1.3.1 圖像預(yù)處理13
• 1.3.2 特征提取13-14
• 1.3.3 圖像識(shí)別算法14-15
• 1.4 圖像檢索技術(shù)的應(yīng)用15-16
• 1.5 本文主要研究?jī)?nèi)容16
• 1.6 本文結(jié)構(gòu)安排16-18
• 第2章 圖像的采集18-21
• 2.1 實(shí)驗(yàn)環(huán)境的搭建18-19
• 2.1.1 實(shí)驗(yàn)設(shè)備的選擇18
• 2.1.2 實(shí)驗(yàn)參與人員18
• 2.1.3 實(shí)驗(yàn)環(huán)境的搭建18-19
• 2.2 實(shí)驗(yàn)過(guò)程19-20
• 2.3 本章小結(jié)20-21
• 第3章 基于膚色檢測(cè)的安全帽區(qū)域定位21-33
• 3.1 基于YCBCR色度空間的光照補(bǔ)償21-28
• 3.1.1 YCbCr顏色空間22-23
• 3.1.2 小波同態(tài)濾波器23-26
• 3.1.3 仿真結(jié)果與分析26-28
• 3.2 安全帽的區(qū)域定位28-31
• 3.2.1 膚色模型的建立28-29
• 3.2.2 膚色分割29
• 3.2.3 形態(tài)學(xué)處理29-30
• 3.2.4 實(shí)驗(yàn)結(jié)果與分析30-31
• 3.3 本章小結(jié)31-33
• 第4章 安全帽的特征提取33-46
• 4.1 幾何矩的介紹33-37
• 4.2 安全帽區(qū)域的HU矩特征提取37-39
• 4.2.1 Hu矩37-38
• 4.2.2 安全帽的Hu矩特征提取結(jié)果與分析38-39
• 4.3 安全帽區(qū)域的HOG特征提取39-43
• 4.3.1 梯度方向直方圖39-41
• 4.3.2 安全帽的HOG特征提取結(jié)果與分析41-43
• 4.4 基于HU矩和HOG相融合的特征提取算法43-45
• 4.4.1 特征融合概述43-44
• 4.4.2 融合特征的提取44-45
• 4.5 本章小結(jié)45-46
• 第5章 安全帽識(shí)別算法研究46-64
• 5.1 基于SVM的安全帽識(shí)別46-53
• 5.1.1 支持向量機(jī)的基本模型47-48
• 5.1.2 線性不可分情況48-50
• 5.1.3 核函數(shù)50-51
• 5.1.4 參數(shù)優(yōu)化51-53
• 5.2 基于神經(jīng)網(wǎng)絡(luò)的安全帽識(shí)別53-54
• 5.3 實(shí)驗(yàn)結(jié)果與分析54-63
• 5.3.1 基于Hu矩的安全帽識(shí)別54-58
• 5.3.2 基于梯度方向直方圖的安全帽識(shí)別算法58-60
• 5.3.3 基于融合特征的安全帽識(shí)別算法60-63
• 5.4 本章小結(jié)63-64
• 第6章 總結(jié)與展望64-66
• 6.1 總結(jié)64-65
• 6.2 展望65-66
• 參考文獻(xiàn)66-72
• 致謝72-73
• 攻讀碩士學(xué)位期間發(fā)表的論文73

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 李剛;楊武年;翁韜;;一種基于同態(tài)濾波的遙感圖像薄云去除算法[J];測(cè)繪科學(xué);2007年03期

2 張新明,沈蘭蓀;基于小波的同態(tài)濾波器用于圖像對(duì)比度增強(qiáng)[J];電子學(xué)報(bào);2001年04期

3 黃祥林,沈蘭蓀;基于內(nèi)容的圖像檢索技術(shù)研究[J];電子學(xué)報(bào);2002年07期

4 王宇,龍興武;基于小波的不均勻光照的校正[J];光學(xué)技術(shù);2005年05期

5 孫銳;陳軍;高雋;;基于顯著性檢測(cè)與HOG-NMF特征的快速行人檢測(cè)方法[J];電子與信息學(xué)報(bào);2013年08期

6 秦鐘;;基于圖像不變矩特征和BP神經(jīng)網(wǎng)絡(luò)的車(chē)型分類(lèi)[J];華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年02期

7 王樹(shù)文,閆成新,張?zhí)煨?趙廣州;數(shù)學(xué)形態(tài)學(xué)在圖像處理中的應(yīng)用[J];計(jì)算機(jī)工程與應(yīng)用;2004年32期

8 李國(guó)祥;張顯全;秦芳遠(yuǎn);;基于不變矩和BP神經(jīng)網(wǎng)絡(luò)的剪紙紋樣識(shí)別[J];計(jì)算機(jī)工程與應(yīng)用;2010年29期

9 張立剛;何東健;;基于膚色模型和區(qū)域特征的人臉檢測(cè)方法[J];計(jì)算機(jī)工程;2008年19期

10 曾春;李曉華;周激流;;基于感興趣區(qū)梯度方向直方圖的行人檢測(cè)[J];計(jì)算機(jī)工程;2009年24期

，

本文編號(hào)：808506